三種常用的方式
如果在運(yùn)行python腳本時(shí)需要傳入一些參數(shù)，例如gpus與batch_size，可以使用如下三種方式。

python script.py 0,1,2 10
python script.py -gpus=0,1,2 --batch-size=10
python script.py -gpus=0,1,2 --batch_size=10
1
2
3
這三種格式對(duì)應(yīng)不同的參數(shù)解析方式，分別為sys.argv, argparse, tf.app.run, 前兩者是python自帶的功能，后者是tensorflow提供的便捷方式。

sys.argv
sys模塊是很常用的模塊， 它封裝了與python解釋器相關(guān)的數(shù)據(jù)，例如sys.modules里面有已經(jīng)加載了的所有模塊信息，sys.path里面是PYTHONPATH的內(nèi)容，而sys.argv則封裝了傳入的參數(shù)數(shù)據(jù)。
使用sys.argv接收上面第一個(gè)命令中包含的參數(shù)方式如下：

import sys
gpus = sys.argv[1]
#gpus = [int(gpus.split(','))]
batch_size = sys.argv[2]
print gpus
print batch_size
1
2
3
4
5
6
argparse
import argparse
parser = argparse.ArgumentParser(description='manual to this script')
parser.add_argument('--gpus', type=str, default = None)
parser.add_argument('--batch-size', type=int, default=32)
args = parser.parse_args()
print args.gpus
print args.batch_size
1
2
3
4
5
6
7
需要注意的是，腳本運(yùn)行命令python script.py -gpus=0,1,2 --batch-size=10中的--batch-size會(huì)被自動(dòng)解析成batch_size.
parser.add_argument 方法的type參數(shù)理論上可以是任何合法的類型， 但有些參數(shù)傳入格式比較麻煩，例如list，所以一般使用bool, int, str, float這些基本類型就行了，更復(fù)雜的需求可以通過str傳入，然后手動(dòng)解析。bool類型的解析比較特殊，傳入任何值都會(huì)被解析成True，傳入空值時(shí)才為False

python script.py --bool-val=0 # args.bool_val=True
python script.py --bool-val=False # args.bool_val=True
python script.py --bool-val= # args.bool_val=什么都不寫False
1
2
3
通過這個(gè)方法還能指定命令的幫助信息。具體請(qǐng)看API文檔：https://docs.python.org/2/library/argparse.html

tf.app.run
tensorflow也提供了一種方便的解析方式。
腳本的執(zhí)行命令為：

python script.py -gpus=0,1,2 --batch_size=10
1
對(duì)應(yīng)的python代碼為：

import tensorflow as tf
tf.app.flags.DEFINE_string('gpus', None, 'gpus to use')
tf.app.flags.DEFINE_integer('batch_size', 5, 'batch size')

FLAGS = tf.app.flags.FLAGS

def main(_):
print FLAGS.gpus
print FLAGS.batch_size

if __name__=="__main__":
tf.app.run()
1
2
3
4
5
6
7
8
9
10
11
12
有幾點(diǎn)需要注意：

tensorflow只提供以下幾種方法：
tf.app.flags.DEFINE_string，
tf.app.flags.DEFINE_integer,
tf.app.flags.DEFINE_boolean,
tf.app.flags.DEFINE_float 四種方法，分別對(duì)應(yīng)str, int,bool,float類型的參數(shù)。這里對(duì)bool的解析比較嚴(yán)格，傳入1會(huì)被解析成True，其余任何值都會(huì)被解析成False。
腳本中需要定義一個(gè)接收一個(gè)參數(shù)的main方法：def main(_):，這個(gè)傳入的參數(shù)是腳本名，一般用不到， 所以用下劃線接收。
以batch_size參數(shù)為例，傳入這個(gè)參數(shù)時(shí)使用的名稱為--batch_size，也就是說，中劃線不會(huì)像在argparse 中一樣被解析成下劃線。
tf.app.run()會(huì)尋找并執(zhí)行入口腳本的main方法。也只有在執(zhí)行了tf.app.run()之后才能從FLAGS中取出參數(shù)。
從它的簽名來看，它也是可以自己指定需要執(zhí)行的方法的，不一定非得叫main：
run(
main=None,
argv=None
)
1
2
3
4
5 . tf.app.flags只是對(duì)argpars的簡(jiǎn)單封裝。代碼見https://github.com/tensorflow/tensorflow/blob/r1.2/tensorflow/python/platform/flags.py
---------------------
作者：Daniel2333
來源：CSDN
原文：https://blog.csdn.net/weixin_35653315/article/details/72886718
版權(quán)聲明：本文為博主原創(chuàng)文章，轉(zhuǎn)載請(qǐng)附上博文鏈接！

總結(jié)

以上是生活随笔為你收集整理的命令行运行Python脚本时传入参数的三种方式的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。